人工智能革命不会被垄断：开源生态与机器学习未来

人工智能革命不会被垄断

谁将“在AI领域获胜”？目前已有数家大型机构渴望宣称这一头衔。另一些人则认为某个地区将占据主导，使其他地区远远落后。然而，除非出现真正的人工通用智能（AGI），否则没有理由相信机器学习或数据科学领域会有单一的赢家。相反，AI将遵循其他软件开发技术的相同轨迹：大量的开发者、丰富的生态系统、许多失败的项目和少数闪耀的成功案例。

“AI竞赛”概念的混淆

“AI竞赛”这一概念存在极大的混淆性。

“竞赛”的含义：

• 竞赛具有竞争性
• 竞赛有赢家和输家
• 竞赛有起点和终点

我们所说的“AI”指什么？

• 特定的消费产品？
• “人工通用智能（AGI）”？
• 技术官僚独裁？
• 机器人军队？
• 机器学习研究？

垄断的可能性分析

1. 垄断一个新的产品类别？

许多新产品将使用机器学习，其中许多可能会被垄断。被谁垄断？这是个合理的问题！但如果不同的机构创造了所有这些产品，那么谁“赢得”了AI呢？

2. 率先开发出“人工通用智能”？

从现状推断出真正的AGI非常困难。

即使有人开发出AGI，谁开发的还重要吗？

关于AGI的不同看法：

• “AGI是科幻小说” → 那么没有什么可赢的。
• “AGI是生存威胁” → 那么没有人会赢。
• “AGI将解决我们所有问题” → 那么每个人都是赢家？

3. 利用新技术压迫人民？

压迫是我们在AI领域应该讨论的风险，但这绝不是我们想要赢得的“竞赛”！

4. 赢得一场真正的军备竞赛？

政府研究将跟随，而非引领。如果每个人都公开研究成果，没有人能遥遥领先。

5. 发表最多的机器学习研究？

开放研究是协作性的，而非竞争性的。如果研究被发表，每个人都是赢家。

为何大型机构不将其研究保密？

机构发表研究的原因：

• 吸引人才：如果不允许研究人员发表成果，就无法吸引最优秀的研究者。
• 必然性：试图封锁秘密无论如何是行不通的。
• 杠杆效应：提高“AI基准线”对其业务有利。

以某届顶级机器学习会议（NIPS）的论文统计为例：

数据显示，没有单一实体“主导”机器学习研究。

数据能带来垄断吗？

复用数据就像复用代码。如果它不符合你的需求，就没有多大用处。

个人数据之所以重要，在于它与个人相关。通用知识很容易获取，不需要独特的专有数据集。

数据本身不会授予任何人垄断权：

• 数据存在收益递减效应。将数据集扩大10倍，并不会使其质量提升10倍。
• 获取数据的成本并不那么高昂。有什么数据集会比建造一座制造工厂更昂贵呢？

我们不会都从“AI商店”购买“AI”

机构正在内部化AI能力：

• 机器学习是软件开发，需要随着项目发展而演进。
• 没有人垄断AI专业知识，人们正在快速学习。
• 对许多应用而言，拥有和控制数据至关重要。

供应商提供的是产品，而非魔法：

挑战在于将理论上的可能性应用于实际问题。重要的是为更大的应用做出正确的决策。

技术的采用者并非陈旧和愚昧：

“技术文盲管理”的刻板印象已经过时。大多数公司让开发者选择自己的工具。开发者强烈偏好开放技术，因为它们更灵活，有利于职业发展。

丰富的开源生态系统

（截至2018年11月，部分流行的机器学习/自然语言处理开源库在GitHub上的星标数举例，例如TensorFlow、scikit-learn、PyTorch、spaCy等，展示了社区的活跃度。）

那么，谁将赢得AI？

✊ AI革命不会被垄断。

• 不存在单一的“AI竞赛”——许多人正在构建许多东西。
• 没有什么等待被发现的魔法解决方案。
• 机器学习的特性并不指向垄断或赢家通吃的市场。